随着计算机与网络技术的普及,当今社会的信息量随指数形势增长,我们进入了信息爆炸的时代,每时每刻都有海量的数据产生,比如城市交通数据、商品价格数据、人们的消费数据,上网数据等等,面对这些数据,背后的潜在价值是十分巨大的,这时我们就需要利用数据挖掘技术来发现这些数据中隐藏的信息与价值。聚类分析就是数据挖掘技术中的一种十分重要的技术手段。本文对目前聚类集成的关键技术进行研究,提出了一种基于群体智慧的聚类集成方法。具体工作概括为以下几个方面:第一,本文对机器学习领域中的聚类集成算法进行了深入的研究,对聚类集成的研究现状及相关理论方法进行了详细阐述说明,并且分析各方法特点和其存在的不足。第二,提出基于多链接特征子集的聚类集成算法。首先针对多维数据集进行聚类集成,提出使用独立特征子集选择算法,应用关联性进行特征属性选择,缩减维度,提高聚类集成结果的性能,然后进行多链接集成,得到最终结果。在标准数据集上进行实验,根据实验数据结果验证该方法可行和有效性。第三,结合社会科学中的群体智慧概念,提出了一种基于群体智慧框架的簇连接聚类集成算法。在满足群体智慧框架的四个标准下,聚类集成的性能将有所提升,在标准数据集上进行了实验验证,实验结果表明本文所提的算法与其它聚类集成算法相比,能够提高聚类集成结果的性能,具有优越性。第四,结合服务聚类,提出了一种基于群体智慧框架的智能服务聚类算法,将聚类集成和群体智慧应用于服务聚类中,通过爬到的Web服务数据集设计实验,验证所提方法的可行性与优越性,实验结果表明相较于现有的服务聚类算法,基于群体智慧框架的智能服务聚类算法能有效提高服务聚类的查全率和纯度。